W wywiadzie opublikowanym 30 października 2026 r. Alexandre Moufarek opisał badania Google DeepMind i Fenris Creations w EVE Online jako wczesny etap prac prowadzonych w offline’owych instancjach sandboxowych, poza aktywnymi serwerami multiplayer. Nie podał, kiedy te badania się rozpoczęły.
Jak SIMA 2 steruje wirtualnym światem
Raport techniczny zespołu SIMA z 2025 r. wskazuje dostrojony model Gemini Flash-Lite jako podstawę agenta. SIMA 2 otrzymuje okresowo klatki obrazu RGB w rozdzielczości 720p i działa przez standardowe sterowanie: 96 klawiszy, kliknięcia oraz ruchy myszy podzielone na określone kroki. Nie korzysta przy tym z wewnętrznych danych gry, takich jak jej stan zapisany w kodzie. Raport techniczny zespołu SIMA
W jednej z opisanych konfiguracji można połączyć agenta z osobnym modelem Gemini Pro. Analizuje on niedawny zapis obrazu i przekazuje SIMA 2 instrukcje wyższego poziomu, działając w wolniejszym rytmie. To odrębna konfiguracja, a nie model bazowy agenta.
Osobny model Genie 3 generował część środowisk, w których testowano SIMA 2. Agent steruje postacią, a model świata tworzy otoczenie. Wcześniej opisaliśmy Genie 4 i jego interaktywne światy, pokrewny kierunek badań nad generowaniem takich środowisk.
Demonstracja w Space Engineers pokazuje, jak SIMA 2 reaguje na polecenia tekstowe: nawiguje, wierci lód, otwiera ekwipunek i wydobywa kamień.
Jak SIMA 2 poprawia wyniki między treningami
Raport opisuje trening na danych z rozgrywek ludzi i adnotacjach wygenerowanych przez Gemini. Po dostrajaniu nadzorowanym zespół stosował uczenie ze wzmocnieniem w weryfikowalnych zadaniach. W opisanej pętli Gemini proponuje zadania, a osobny model nagrody ocenia przebieg działań w skali od 0 do 100. Wynik co najmniej 50 punktów oznacza sukces; zebrane doświadczenia trafiają do kolejnych iteracji treningu.
To właśnie w kolejnych iteracjach, a nie podczas zwykłej rozgrywki, zachodzi opisywane samodoskonalenie. W eksperymencie z ASKA agent początkowo przekraczał próg sukcesu w mniej niż jednej czwartej zadań ze stałego zestawu. Po kolejnych iteracjach przekroczył go w całym zestawie. W odrębnej demonstracji postępów w grze zbudował schronienie w ciągu godziny.
Co pokazują testy i gdzie SIMA 2 napotyka trudności
W testach środowisk treningowych zespół odnotował, że średni wskaźnik sukcesu zadań SIMA 2 był około dwukrotnie wyższy niż SIMA 1. W osobnej ewaluacji, w środowisku MineDojo opartym na Minecraft, które nie należało do środowisk treningowych, agent wykonał zadania w 26 z 50 kategorii. To wynik dotyczący określonego zestawu zadań, nie ogólna miara inteligencji ani gwarancja skuteczności w innych grach.
Zespół wymienia trudności z zadaniami wymagającymi długiego planowania i sprawdzania, czy cel został osiągnięty. Ograniczeniami pozostają też krótka pamięć interakcji, precyzyjne sterowanie klawiaturą i myszą oraz rozpoznawanie złożonych scen.
Google DeepMind ogłosiło SIMA 2 13 listopada 2025 r. jako ograniczony podgląd badawczy, z wczesnym dostępem dla małej grupy naukowców i twórców gier. Ogłoszenie Google DeepMind
